Mr_zhuo_的博客

转载 【tmux】常用命令

1. 进入tmuxwwz@amax:~/hs/experiments$ tmux2. 分窗口ctrl+b 然后按%：分左右窗口ctrl+b 然后按o：切换窗口

转载 【基础算法】最短路径: Floyd, Dijkstra, Bellman

最短路径: Floyd, Dijkstra, Bellman

原创 == 和 equals

由于HashMap定义的是HashMap，取的value进行比较的时候应该用equal()方法才对！基本数据类型==比较的是。引用数据类型==比较的是。写代码遇到一个bug。

原创 【Maven】Malformed \uxxxx encoding.报错解决

一般下载不成功的依赖，都会生成一个后缀为.lastupdated的文件，而且有这个文件一旦生成，那个依赖就会一直下载不成功，无论怎么reloadmaven仓库，都下载不成功。

原创 【Maven】Could not transfer artifact xxx from/to xxx的解决方案

【Maven】Could not transfer artifact xxx from /to xxx的解决方案。

原创 Linux使用基础

Linux 是什么Linux 用户、文件、目录管理Linux 文件管理系统Vim 编辑器Linux 网络管理Linux 进程管理Linux 系统监控Linux是什么

原创 SQL语句优化

1. 避免使用“*”在解析过程中会对所有的列进行排序和查询，耗费更多的时间2. 使用表的别名更精确得定义哪一张表的哪个字段SELECT e.ename, e.sal, d.deptno FROM emp e, dept d WHERE d.deptno=e.deptno;3. Where 子句的连接顺序where子句是从右向左进行匹配，因此越能缩小查询范围的条件越放到末尾。4. 使用 >= 代替 >因为>n的话，首先匹配n，而它不存在于查询结果中，若是&g

原创 2021-09-13

1. 对长度为n的线性表，在最坏情况下，比较次数：快速排序、冒泡排序和直接插入排序：n（n-1）/2，堆排序在最坏情况下的比较次数最少，是O（log2n）。p.s. 快速排序最坏的情况是对有序数列排序，那么第一个元素需要比较n-1次，第2个元素需要比较n-2次，以此来推需要比较1，，，，n-1次等差数列求和得到（n）*（n-1）/2;2. 数组初始化默认值boolean数组初始化默认值为：[false, false]byte数组初始化默认值为：[0, 0]short数组初始化默认值为：[0,

原创 kafka

Kafka是由Apache软件基金会开发的一个开源流处理平台，由Scala和Java编写。Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者规模的网站中的所有动作流数据。 这种动作（网页浏览，搜索和其他用户的行动）是在现代网络上的许多社会功能的一个关键因素。 这些数据通常是由于吞吐量的要求而通过处理日志和日志聚合来解决。 对于像Hadoop的一样的日志数据和离线分析系统，但又要求实时处理的限制，这是一个可行的解决方案。Kafka的目的是通过Hadoop的并行加载机制来统一线上和离线的消息处理

原创 Maven

Maven是一个Java项目管理和构建工具，它可以定义项目结构、项目依赖，并使用统一的方式进行自动化构建，是Java项目不可缺少的工具。当我们使用commons-logging这些第三方开源库的时候，我们实际上是通过Maven自动下载它的jar包，并根据其pom.xml解析依赖，自动把相关依赖包都下载后加入到classpath。1. 主要功能（1）提供了一套标准化的项目结构；（2）提供了一套标准化的构建流程（编译，测试，打包，发布……）；（3）提供了一套依赖管理机制。2. M

原创 PR（Pull Request）

git commit 写备注commit commit and push (放入我自己的仓库，以及上传父分支) Dev Tools Code new Pull Request 源分支 to 目标分支 写评审人，评审结果会通过【大象---一行代码】通知我 Pull Request(评审人改完帮我合并) Draf Pull Request（评审人可以改，不能帮我合并，因为我还没写完，just draf） 出现合并冲突，则检查冲突文件，..

原创 TDD（Test-Driven Development）

业务测试流程

原创 Elasticsearch

目录一、简介二、主要功能（搜索&聚合）海量数据的分布式存储以及集群管理近实时搜索，性能卓越海量数据的近实时分析三、基本概念1.文档2. 索引（名词）3. 索引（动词）4. 分布式特性四、集群内的原理1.节点扩容2. 集群3. 主节点4. 集群健康5. 添加索引6. 添加故障转移7. 水平扩容8. 应对故障五、冲突处理A：乐观并发控制六、文档操作的常见错误返回七、分布式文档存储八、映射和分析一、简介

原创 Git的使用

1. 使用brew安装git2. 在本地生成公钥添加到git上3. 从git上下载代码到本地$git clone 地址4. 查看分支$git branch -a //查看远程分支$git branch //查看本地分支5.切换到被copy的分支（master），从服务器拉取最新版本$git checkout master $git pull6.从当前分支copy出新的开发分支 命名xxxxx分支$git checkout -b xxxxx Sw.

原创 Mac下 Communications link failure，The last packet sent successfully to the server was 0 milliseconds

用D2RQ生成ttl文件时出现了这个bug：Communications link failure，The last packet sent successfully to the server was 0 milliseconds解决方法：

原创 傅里叶变换

傅里叶分析包括：傅里叶级数（周期信号）和傅里叶变换（非周期函数）傅里叶变换要求满足狄利克雷条件和（﹣∞，+∞）上绝对可积，正弦函数、单位越阶函数和线性函数等一些常见函数不满足此条件。拉氏变换：对傅里叶进行扩展，将变量扩大到复频域，而且将积分范围缩小到（0，+∞），因为在工程实践中以时间为自变量的函数在t<0时是没有意义的，所以工科中拉式变换得到了广泛的使用。Matlab对图像进行傅里叶变换实例...

原创 超分研究

超分辨率图像重构（SR）用信号处理或图像处理的方法，将LR（Low-Resolution）图像转换为HR（High Resolution）图像。1. 总体分类基于重建的超分辨率问题 (Reconstruction-based super-resolution)：输入为低分辨率图像序列 (视频), 输出为单帧高分辨率图像; 视频超分辨率问题 (Video super-resolution)：输入与输出均为图像序列 (视频) ; 单帧图像超分辨率问题 (Single image superres

原创 【C++ STL学习】容器迭代器 iterator详解

目录1. 本质2. 分类3. 操作4. 各容器的迭代器1. 本质要访问顺序容器和关联容器中的元素，需要通过“迭代器（iterator）”进行。迭代器是一个变量，相当于容器和操纵容器的算法之间的中介。迭代器可以指向容器中的某个元素，通过迭代器就可以读写它指向的元素。从这一点上看，迭代器和指针类似。2. 分类1) 正向迭代器，定义方法如下：容器类名::iterator 迭代器名;2) 常量正向迭代器，定义方法如下：容器类名::const_iterator...

原创 C++ 中的find函数是怎么实现的？时间复杂度是多少？

1. std::findtemplateinline _InputIter find(_InputIter __first, _InputIter __last, const _Tp& __val, input_iterator_tag){ while (__first != __last && !(*__first == __val)) ++__first; return __first;}时间复杂度是O(n).2. map::f..

原创 写小论文的工具

1. 查论文中词组搭配用法： https://linggle.com/2. 检查句子错误： https://fanyi.sogou.com/writing https://app.grammarly.com/

转载 python生成requirements.txt环境打包，利用requirements.txt安装Python环境

把包写入到requirements.txt中pip freeze > requirements.txt利用requirements.txt安装pip install -r requirements.txt

转载 【Linux】跑实验时查看进程及内存

1.提供监控GPU使用情况和更改GPU状态的功能$ nvidia-smi2.查看进程被杀死的详情$ dmesg | egrep -i -B100 'killed process'3.实时显示系统中各个进程的资源占用状况$ topPID — 进程idUSER — 进程所有者PR — 进程优先级NI — nice值。负值表示高优先级，正值表示低优先级VIRT — 进程使用的虚拟内存总量，单位kb。VIRT=SWAP+RESRES — 进程使用的、...

转载 为什么深度学习图像分类里的图片的输入大小都是224*224呢？

在论文中进行各类方法的比较时，要求使用同样的数据集。而为了公平的比较，网络的输入大小通常都是224*224的大小，那为什么呢？我们都知道，一个图像分类模型，在图像中经历了下面的流程。从输入image->卷积和池化->最后一层的feature map->全连接层->损失函数层softmax loss从输入到最后一个卷积特征feature map，就是进行信息抽象的过程，然后就经过全连接层/全局池化层的变换进行分类了，这个feature map的大小，可以是3*3，5*5

转载 CIDEr 评价指标

CIDEr:常用语图像字幕生成，CIDEr 是 BLEU 和向量空间模型的结合。它把每个句子看成文档，然后计算 TF-IDF 向量（只不过 term 是 n-gram 而不是单词）的余弦夹角，据此得到候选句子和参考句子的相似度，同样是不同长度的 n-gram 相似度取平均得到最终结果。优点是不同的 n-gram 随着 TF-IDF 的不同而有不同的权重，因为整个语料里更常见的 n-gram 包含了更小的信息量。图像字幕生成评价的要点是看模型有没有抓取到关键信息，比如说一幅图的内容是『白天一个人在游泳

转载 R-CNN

AlexNet参考文章2012 年 Krizhevsky 等人在 ImageNet 举办的 ILSVRC 目标识别挑战大赛中一战成名，豪夺当年的第一名，Top5 错误率 15%,而他们团队提出来的网络结构以他们的导师名字命名，它就是 AlexNet。VGGNetResNetRCNN参考文章借鉴了滑动窗口思想，R-CNN 采用对区域进行识别的方案。利用候选区域与 CNN 结合做目标定位给定一张输入图片，从图片中提取 2000 个...

转载 HOG算法

HOG：Histogram of Oriented Gradient方向梯度直方图参考文章一、算法实质在一副图像中，梯度或边缘的方向密度分布能够很好地描述局部目标区域的特征，HPG正是利用这种思想，对梯度信息做出统计，并生成最后的特征描述。在HOG中，对一副图像进行了如下划分：图像（image）---> 检测窗口（win）---> 图像块（block）---> 细胞单元（cell）对于上述流程图，有几点需要注意的地方：1.色彩和伽马归一化为了减少光照因素的影响，.

转载 SIFT

SIFT算法：尺度不变特征变换参考文章一、算法实质：在不同的尺度空间上查找关键点，并计算出关键点的方向二、特征匹配的流程提取关键点：关键点是一些十分突出的不会因光照、尺度、旋转等因素而消失的点，比如角点、边缘点、暗区域的亮点以及亮区域的暗点。此步骤是搜索所有尺度空间上的图像位置。通过高斯微分函数来识别潜在的具有尺度和旋转不变的兴趣点。 定位关键点并确定特征方向：在每个候选位置上，通过一个拟合精细的模型来确定位置和尺度。关键点的选择依据于他们的稳定程度。然后基于图像局部的梯度方向，分配.

原创 论文经验

一、论文调研快速调研完近年来相关方向的主要论文，每篇文章了解思路，并做记录和摘要，形成充足的paper list方便回忆和整理related work。二、方向明确不管实现细节，主体脉络上把握好要朝什么方向走，要通过哪类技术实现什么具体目标(要通过引入 知识图谱/强化学习/多任务学习/语法解析 的手段，实现 XXX数据集/任务的提升 )。三、论文精读1、仔细研读目标技术所需技术的论文，是否有人做过？是否可做？有没有坑？2、精读选定最主要的参考范文，并由此出发思考如何在自己..

原创 Transformer

转载 Pytorch的Variable详解

pytorch两个基本对象：Tensor（张量）和Variable（变量）其中，tensor不能反向传播，variable可以反向传播。tensor的算术运算和选取操作与numpy一样，一次你numpy相似的运算操作都可以迁移过来。Variablevariable是一种可以不断变化的变量，符合反向传播，参数更新的属性。pytorch的variable是一个存放会变化值的地理位置，里面的值会不停变化，像装糖果（糖果就是数据，即tensor）的盒子，糖果的数量不断变化。pytorch都是由.

原创 【conda & pip】

conda pip conda是包及其依赖项和环境的管理工具。 pip是用于安装和管理软件包的包管理器。 适用语言 Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN Python Python中默认安装的版本 Python 2.7.9及后续版本：默认安装，命令为pip Python 3.4及后续版本：默认安装，命令为pip3 依赖项检查...

转载 path怎么写

runs_dir = Path('~/data/customs/runs/').expanduser().resolve() wv_dir = Path('~/data/wv').expanduser().resolve()1. importfrom pathlib import Path2. 函数expanduser()是将路径扩展为完整路径 resolve()把一个路径或路径片段序列解析成一个绝对路径path.resolve('/foo/bar', './baz') ...

原创 os.environ[‘CUDA_VISIBLE_DEVICES‘]使用指定的GPU及GPU显存

if cuda_idx >= 0: os.environ['CUDA_VISIBLE_DEVICES'] = str(cuda_idx) # cuda_idx在config中设置服务器上有好几张显卡，别人可能在某几张卡上跑满了，这时需要你指定某张显卡来跑实验。使用上述功能，则代码只能对str(cuda_idx)的显卡可见，并对所有可见的显卡依然按照数组从0开始编号。...

原创 Python isinstance() 函数以及 drop_duplicate( )函数

isinstance()作用：isinstance() 函数来判断一个对象是否是一个已知的类型用法：isinstance(object, classinfo)参数：object -- 实例对象。 classinfo -- 可以是直接或间接类名、基本类型或者由它们组成的元组。返回值：如果对象的类型与参数二的类型（classinfo）相同则返回 True，否则返回 False。drop_duplicate()作用：pandas使用drop_duplicates去除D...

原创 Python中的*args和**kwarg

args 是 arguments 的缩写，表示位置参数；kwargs 是 keyword arguments 的缩写，表示关键字参数。将*args理解为变元的缩写，而**kwargs理解为关键字变元的缩写。各参数用于解压其各自的变元类型，允许使用可变字长变元列表进行函数调用。在*args中，唯一的星号是真正的参与者，创建了列表，其内容则是来自函数调用的位置参数（在这些定义变元后）；在**kwargs中，双星号创建了字典，其内容是关键字参数，来自函数调用（在这些定义变元后）。codef..

转载 【byobu】常用快捷键

byobu快捷键：F2 - 创建一个新的窗口F3 - 移动到下一个窗口F4 - 移动到上一个窗口F5 - 重新加载配置文件F6 - 断开链接(可以通过 byobu -r 恢复)F7 - 进入复制/回滚模式。这允许您将当前窗口中的文本及其历史记录复制到粘贴缓冲区中。在此模式下，一个类似于vi的全屏编辑器处于活动状态.F8 - 重命名窗口F9 - 菜单配置F12 - 锁定当前命令行（不知道具体作用）shift-F2 - 水平分割当前窗口ctrl-F2 - 垂直分割当前窗...

原创 异常判断指标

1. 变异系数标准差➗平均值=变异系数当进行两个或多个资料变异程度的比较时，如果度量单位与平均数相同，可以直接利用标准差来比较；如果单位和（或）平均数不同时，比较其变异程度就不能采用标准差，而需采用标准差与平均数的比值（相对值）来比较。比起标准差来，变异系数的好处是不需要参照数据的平均值。变异系数是一个无量纲量，因此在比较两组量纲不同或均值不同的数据时，应该用变异系数而不是标准差来作为比较的参考。变异系数越小，变异程度越小。变异系数当需要比较两组数据离散程度大小的时候，如果两来组数据的测

转载 pandas.read_csv参数详解

读取CSV（逗号分割）文件到DataFrame也支持文件的部分导入和选择迭代更多帮助参见：http://pandas.pydata.org/pandas-docs/stable/io.html参数：drop_duplicates_subset：去除重复项filepath_or_buffer: str，pathlib。str, pathlib.Path, py._path.local.LocalPath or any object with a read() method (such a.

转载 [Mac] 安装软件时，出现 Waiting for other installations to complete

在终端执行下面的命令，即可解决sudo rm /private/var/db/mds/system/mds.install.locksudo rm /private/var/db/mds/system/mds.locksudo killall -1 installd

原创 VQA+Visual Reasoning SOTA探索

2014-2019年VQA论文：https://heary.cn/posts/VQA-%E8%BF%91%E4%BA%94%E5%B9%B4%E8%A7%86%E8%A7%89%E9%97%AE%E7%AD%94%E9%A1%B6%E4%BC%9A%E8%AE%BA%E6%96%87%E5%88%9B%E6%96%B0%E7%82%B9%E7%AC%94%E8%AE%B0/2020Mucko: Multi-Layer Cross-Modal Knowledge Reasoning for Fact-ba